SemiAnalysis: چالش‌های تأمین مالی و زنجیره تأمین زیرساخت‌های هوش مصنوعی

در تاریخ 25 اکتبر، بنیان‌گذار SemiAnalysis، دیلن پاتل، و تحلیل‌گر برنشتاین، استیسی راسگون، اشاره کردند که سرمایه‌گذاری در زیرساخت‌های هوش مصنوعی با دو چالش افزایش هزینه‌های تأمین مالی و گلوگاه‌های زنجیره تأمین مواجه است. بازدهی اوراق قرضه 10 ساله ایالات متحده از 5 درصد عبور کرده و بازدهی برخی از ارائه‌دهندگان خدمات ابری نوظهور به نزدیک 15 درصد رسیده است. ارائه‌دهندگان غیر فوق‌العاده بزرگ ابری تقریباً نیمی از نیازهای ساخت را بر عهده دارند، اما از حمایت کافی در ترازنامه برخوردار نیستند و تأمین مالی پروژه‌هایی که تعهدات خرید بلندمدت ندارند، دشوارتر شده است. ظرفیت تولید بردهای مدار چاپی، HBM، اجزای ارتباط نوری و اتاق‌های تمیز با گلوگاه‌های کوتاه‌مدت مواجه است؛ تعداد ویفرهای مورد نیاز برای تولید HBM با ظرفیت مشابه 3 تا 4 برابر DDR5 است و اتاق‌های تمیز جدید تا سال 2027 به بهره‌برداری نخواهند رسید. تحلیل‌گران نسبت به احتمال تغییر در سال 2028 هشدار می‌دهند؛ انویدیا از طریق افزایش عملکرد، قیمت‌های بالایی را حفظ می‌کند، اما TPU گوگل، Trainium آمازون و تراشه‌های توسعه‌یافته توسط OpenAI گزینه‌های جایگزینی برای مشتریان بزرگ فراهم می‌کنند و قدرت چانه‌زنی آن‌ها را افزایش می‌دهند. حتی اگر درآمد انویدیا افزایش یابد، سهم بازار و حاشیه سود لزوماً همزمان افزایش نخواهد یافت. در زمینه حافظه، حاشیه سود HBM در حال حاضر به 88 تا 90 درصد می‌رسد، اما ارزیابی بازار بالا نیست و نگرانی‌ها در مورد آزادسازی متمرکز ظرفیت‌های جدید پس از سال 2028 وجود دارد. اگر سرعت افزایش تولید از افزایش تقاضا پیشی بگیرد، قیمت‌های بالا و حاشیه‌های سود فعلی با چالش مواجه خواهند شد. شرکت‌ها تمایل بیشتری به خرید توکن از طریق خدمات ابری خواهند داشت و تقاضای آینده برای زیرساخت‌های هوش مصنوعی به شدت به میزان استفاده از خدمات استنتاج وابسته خواهد بود.